本文介绍: pandas中提供了删除缺失值的方法dropna()。dropna()方法用于删除缺失值所在的一行或一列数据，并返回一个删除缺失值后的新对象。pandas中提供了删除缺失值的方法fillna()。fillna()方法既可以使用指定的数据填充，也可以使用缺失值后面或者前面的数据填充。常用方法isnull()、notnull()、isna()、notna()填充缺失值后面的数据（如果缺失值后面也是缺失值就不进行填充）1.缺失值的检验与处理。1.2.1删除缺失值。1.2.2填充缺失值。填充缺失值前面的数据。
1.缺失值的检验与处理
1.1缺失值的检测
常用方法isnull()、notnull()、isna()、notna()
import pandas as pd
import numpy as np
na_df=pd.DataFrame(({'a':[1,2,np.NaN,4],
'b':[3,4,5,4],
'c':[1,6,5,4],
'd':[1,2,np.NaN,np.NaN]}))
na_df
#检测是否缺失
na_df.isnull()
1.2缺失值的处理
1.2.1删除缺失值
pandas中提供了删除缺失值的方法dropna()。dropna()方法用于删除缺失值所在的一行或一列数据，并返回一个删除缺失值后的新对象。
na_df.dropna()
1.2.2填充缺失值
pandas中提供了删除缺失值的方法fillna()。fillna()方法既可以使用指定的数据填充，也可以使用缺失值后面或者前面的数据填充。
na_df.fillna("*")
填充缺失值前面的数据
na_df.fillna(method='ffill') 
填充缺失值后面的数据（如果缺失值后面也是缺失值就不进行填充）
na_df.fillna(method='backfill')
原文地址:https://blog.csdn.net/qq_53279707/article/details/127485094
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_27202.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
